Hadoopの簡単なサンプルをClojureで書いてみました。leiningenでビルドするとらくちんでした！
leiningen 1.1.0対応しました(2010/03/10)
サンプルコードはオライリーのHadoop本、例2-6。Java版はこちら。
(defproject clj-max-temperature "0.1.0-SNAPSHOT"
:description "Sample of Hadoop on Clojure"
:dependencies [[org.clojure/clojure "1.1.0"]
[org.clojure/clojure-contrib "1.1.0"]
[org.apache.mahout.hadoop/hadoop-core "0.20.1"]
;; ここから先は全部必要か分からない
[commons-cli/commons-cli "1.2"]
[commons-codec/commons-codec "1.3"]
[commons-el/commons-el "1.0"]
[commons-httpclient/commons-httpclient "3.0.1"]
[commons-logging/commons-logging "1.0.4"]
[commons-logging/commons-logging-api "1.0.4"]
[commons-net/commons-net "1.4.1"]]
:dev-dependencies [[leiningen/lein-swank "1.1.0"]]
:main clj_max_temperature)
(ns clj_max_temperature
(:gen-class)
(:import (org.apache.hadoop.fs Path)
(org.apache.hadoop.io IntWritable LongWritable Text)
(org.apache.hadoop.mapreduce Job Mapper Mapper$Context Reducer Reducer$Context)
(org.apache.hadoop.mapreduce.lib.input FileInputFormat)
(org.apache.hadoop.mapreduce.lib.output FileOutputFormat)))
(gen-class
:name clj_max_temperature.mapper
:extends org.apache.hadoop.mapreduce.Mapper
:prefix "mapper-")
(defn mapper-map [this key value #^Mapper$Context context]
(let [line (str value)
year (.substring line 15 19)
quality (.substring line 92 93)
air-temperature (Integer/valueOf
(.substring line
(if (= (.charAt line 87) \+) 88 87)
92))]
(if (and (not (= air-temperature 9999))
(.matches quality "[01459]"))
(.write context (Text. year) (IntWritable. air-temperature)))))
(gen-class
:name clj_max_temperature.reducer
:extends org.apache.hadoop.mapreduce.Reducer
:prefix "reducer-")
(defn reducer-reduce [this key #^Iterable values #^Reducer$Context context]
(.write context key (IntWritable. (reduce max (map #(.get %) values)))))
(defn -main [& args]
(when (not (= (count args) 2))
(.println System/err "args error!")
(System/exit -1))
(let [job (Job.)]
(FileInputFormat/addInputPath job (Path. (nth args 0)))
(FileOutputFormat/setOutputPath job (Path. (nth args 1)))
(doto job
;; リテラルで現在のクラスの取り方が分からない。。。
(.setJarByClass (Class/forName "clj_max_temperature"))
(.setMapperClass (Class/forName "clj_max_temperature.mapper"))
(.setReducerClass (Class/forName "clj_max_temperature.reducer"))
(.setOutputKeyClass Text)
(.setOutputValueClass IntWritable))
(System/exit (if (.waitForCompletion job true) 0 1))))
Reducerの中でmap/reduce使ってるのがいけてるでしょ！
プロジェクトはこちら
$ git clone git://github.com/making/clj-max-temperature.git $ cd clj-max-temperature
$ lein compile # uberjarだけでcompileも行われるが、コンパイルエラーが発生してもjar作成に進むので開発時は別に実行した方が良い $ lein uberjar $ hadoop jar clj-max-temperature-standalone.jar input/sample.txt output
でおｋ。(スタンドアローンモードでのみ確認)
スタンドアローンなら、Hadoopをインストールしなくても
$ java -Xmx1000m -jar clj-max-temperature-standalone.jar input/sample.txt output
だけでもおｋ。簡単な動作確認に良さそう。
もっとMapReduceを使いやすくなるマクロをつくりたいね。
こんなのももうあるけど。